基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

四川盆地碳酸盐岩源岩气地质特征与勘探前景

充分利用露头、岩芯、岩屑等原始样品，通过薄片观察、物性分析、扫描电镜、X射线衍射及同位素分析等实验方法，结合测井资料、地震剖面解释等进行研究，从碳酸盐岩源岩气地球化学评价参数和指标厘定入手，以南川区带高产稳产气藏为实例，深入解剖四川盆地茅口组一段碳酸盐岩源岩的岩矿、物性、电性、含气性及生烃潜力，探讨了表生沉积环境、早期成岩作用等因素对碳酸盐岩源岩气储层的影响，尤其是富镁黏土矿物黑滑石在碳酸盐岩中有机质富集、碳酸盐岩气成生和聚集的积极作用，进一步明确气藏高产稳产的主控因素，落实“甜点段”的特征和分布，指明了该领域勘探开发的前景。     

上海市亚微米颗粒物中水溶性含氮组分的分布特征

细颗粒态无机和有机含氮组分的形成、转化、传输和沉降在大气氮循环中发挥重要作用. 为了解上海亚微米颗粒物(PM$_{1}$)中含氮物质的质量浓度、组成及季节变化特征, 使用大流量采样器采集了 2017—2018 年 66 个 PM$_{1}$ 样品, 并应用离子色谱仪和紫外/可见光光度计分析了水溶性无机离子和水溶性有机氮(water-soluble organic nitrogen, WSON)的质量浓度. 结果表明: 上海 PM$_{1}$中NH$_{4}^{+}$-N、NO$_{3}^{-}$-N、WSON 的年平均质量浓度分别为 1.79、0.97、0.41 μg/m³; NH$_{4}^{+}$-N 对水溶性总氮(water-soluble total nitrogen, WSTN)的贡献最高(56%), NO$_{3}^{-}$-N 次之(31%), WSON 为 13%. 上海PM$_{1}$中含氮组分的质量浓度存在冬季最高、夏季最低的季节变化趋势, 但NH$_{4}^{+}$-N、NO$_{3}^{-}$-N 和 WSON 对 WSTN 贡献的季节变化存在明显的不同, NH$_{4}^{+}$-N 在不同季节变化较小, NO$_{3}^{-}$-N 表现出显著的冬高(38%)、夏低(18%)的特点, 而 WSON 夏季最高(22%)、冬季最低(8%). 正矩阵因子分解(positive matrix factorisation, PMF)法的源解析结果表明: 二次反应和生物质燃烧贡献了上海 PM$_{1}$ 中 WSON 的 48%, 燃煤贡献了 11%, 植物源挥发性有机化合物二次转化贡献了 20%, 餐饮和机动车贡献了 21%. WSON 的来源有显著的季节变化.     

全球大地震破裂空间复杂度特征研究

基于有限断层反演得到的滑移数据, 用独立滑移单元的数量表征地震破裂复杂度, 据此对大地震破裂进行分组, 并研究破裂复杂度与主要震源参数之间的关系, 探讨破裂复杂度的全球及区域空间分布特征。结果表明, 矩震级很大(Mw ≥ 8.5)的事件, 地震破裂复杂度更大; 破裂复杂度较高的地震分布在浅层地壳(≤ 30 km)内的概率最大, 随着震源深度增加, 破裂复杂度对震源深度的敏感性逐渐消失; 走滑断层机制占比较大的事件, 破裂复杂度较高; 破裂复杂度与地震能矩比没有明确的关系; 破裂复杂度的空间分布特征与区域地质构造环境相关。破裂复杂度的空间分布特征可以分为3类, 第一类是板块之间简单碰撞产生的俯冲带, 板块交界处的滑动速率和方向较为一致, 这种情形下以比较简单的事件类型为主; 第二类是多板块交界处, 或者板块交界处的滑动速率和方向在整个区域内存在差异; 第三类是大陆内部的强烈挤压地带。与第一类空间分布特征相比, 第二类和第三类情形下破裂复杂度相对更高。地震破裂复杂度可以在一定程度上反映区域应力场的复杂性。     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

基于量子辐射场的大数据安全存储寻址算法

大数据存储过程面临着与日俱增的各种威胁,而传统数据存储算法难以有效应对这些新型威胁。以量子力学和量子遗传的关系为基础,构建量子辐射与量子遗传迭代的、双向可逆过程的数学函数和计算机程序,为流数据的大规模量子安全存储构建软件基础环境。在量子力学和量子遗传的映射关系下,将量子染色体的定义和交互作用通过量子比特和量子旋转门的计算实现,将量子染色体的交互通过量子引力作用和量子斥力作用的交互实现,将量子染色体动态过程的主要衡量指标通过引力和斥力的叠加态来计算产生。用量子引力和斥力来引导流数据的动态存储寻址、出入栈过程与路径,进而将大数据存储过程双向映射为量子辐射场和量子空间域问题,得到安全存储路径与存储地址。     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

某电解铅厂周边农田土壤和玉米中铅污染评价及同位素溯源研究

为探究铅在土壤-玉米-大气中的迁移转化行为,以某电解铅厂周边农田土壤和玉米为研究对象,采集距排烟口50 m、110 m、300 m、500 m、700 m、900 m和3 000 m处的土壤和玉米样品,利用原子吸收光谱仪(AAS)和电感耦合等离子体质谱仪(ICP-MS)分别测定土壤、玉米和大气样品的铅含量和同位素比值。结果表明:电解铅厂周边的玉米均受到铅的污染,玉米根中的铅主要来自土壤,籽粒中的铅很有可能大部分来自大气,少部分来自土壤,茎中的铅很可能来自土壤而不是叶面传输;籽粒中的铅与叶片中的铅具有显著的相关关系(P0.01),相关方程为y=-0.0002x~2+0.0461x-0.4643,R=0.966 7。     

单频电磁辐射对雷达的干扰规律

为了提高雷达电磁防护能力,揭示单频电磁辐射对雷达的干扰规律,首先基于雷达测距原理,通过电路非线性失真分析,初步掌握阻塞干扰和假目标干扰规律;而后开展效应试验,对干扰规律进行补充和完善。结果表明带内单频电磁辐射易对受试雷达造成干扰,假目标临界干扰场强明显低于阻塞干扰,最敏感处的差值可达30 dB,但敏感带宽要比阻塞干扰窄50%。随着干扰场强提高,回波峰值电平压缩量先缓慢增加而后近似线性增长,阻塞干扰虽然不会影响探测距离的准确度,但会导致探测距离缩短;假目标出现的位置是随机的,随着干扰场强提高,假目标电平先线性增长,而后趋于恒定。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。